ART3神经网络的研究分析及应用

在ＡＲＴ３神经网络模型的研究基础上，分析比较了ＡＲＴ３的分布式和压缩式识别码的模式识别情况，并且与ＡＲＴ２神经网络模式识别情况进行了比较，并将其应用在轴承故障诊断中，研究分析表明，ＡＲＴ３不仅继承了ＡＲＴ１和ＡＲＴ２神经网络的功能，而且还具备了相当强的功能和可扩展的潜力。     

业务流程重组在热送热装生产组织中的应用

针对某冶金企业在热送热装生产组织过程中存在的问题，提出了利用业务流程重组的方法对企业的生产业务流程进行改造，规划了新的业务流程，并对其实施后的预期效果进行了分析，实际应用和理论分析表明，通过业务流程重组该企业可大大提高连铸坯的热送热装率和板坯的热装温度。     

高线精轧机组远程监测与诊断应用研究

介绍了一种高线精轧机组远程监测与诊断系统的软硬件结构与功能 ,该系统采用B/S模式并结合CORBA及SOAP /WebService技术 ,较好地解决了实时数据的动态显示以及负载均衡等问题。经过运行实践证明 ,该系统能对现场设备的运行状态及时作出判断 ,具有较高的可靠性与稳定性。     

基于Internet的高线精轧机组远程监测与诊断应用研究

介绍基于Internet的一种高线精轧机组远程监测与诊断系统的软件功能。该系统采用B／S模式并结合CORBA及SOAP／Web Service技术。经运行实践证明，该系统能对现场设备的运行状态及时作出判断。具有较高的可靠性与稳定性。     

基于神经网络规则抽取的带钢热镀锌质量监控模型

为了克服传统神经网络产品质量监控模型中解释性差的困难,提出了基于神经网络规则抽取的带钢热镀锌质量监控模型. 以带钢热镀锌生产中锌层重量监控为研究对象,利用神经网络规则抽取方法对样本数据进行学习,以知识规则的形式给出模型中输入(原料参数及生产控制参数)与输出(产品质量)间的定量关系,用于对生产控制参数的设定与更新. 选取756个训练样本和376个测试样本分别对网络进行了训练和检验,结果表明,新模型中的知识规则覆盖率达到94.8%,并可根据输出变量的目标区间快速地设定各输入变量的范围,为产品质量的自动控制提供了有效的方法.     

加权多尺度形态滤波在轴承故障诊断中的应用

滚动轴承故障信号中通常包含了周期性出现的冲击衰减成分,冲击频率反映了轴承发生故障的位置信息。多尺度形态滤波可以提取分布在不同尺度下的冲击特征,为了更准确的反映不同尺度分析结果的贡献,提出了一种评价冲击特征提取效果的指标,并以此计算权值对多尺度分析结果进行加权综合。仿真信号和轴承外圈故障信号的分析结果表明,加权多尺度形态滤波方法可以有效提取强背景噪声下的冲击特征,为滚动轴承故障诊断提供了一种有效的手段。     

基于声发射检测技术的转炉耳轴轴承故障诊断

以转炉耳轴轴承为研究对象,将声发射技术应用于转炉耳轴轴承的故障诊断中,提出了应用主成分分析(PCA)和最小二乘支持向量机(LS-SVM)相结合的故障诊断方法。首先,对声发射信号的特征量进行主成分分析,得到更能反映设备状态的综合特征参数,然后将新的特征参数输入到最小二乘支持向量机中进行状态识别。利用在实际生产过程中采集到的转炉耳轴轴承声发射数据进行方法验证。结果表明,新方法能够有效区分出转炉耳轴轴承的故障模式,识别的总体正确率可达97.8%。     

基于自适应稀疏表示的宽带噪声去除算法

为了有效地去除信号中的宽带噪声,提出了一种基于自适应稀疏表示的宽带噪声去除算法.根据噪声成分与信号特征成分之间的不相关或弱相关特点,自适应地确定稀疏分解的终止条件,实现信号的稀疏表示.降噪过程中使用染噪信号构造学习样本,由信号的自适应稀疏表示和原子库的更新迭代实现原子库的训练.染噪信号在训练后的原子库上进行自适应稀疏表示,实现信号的噪声去除.仿真信号和齿轮振动信号的降噪试验表明:该方法具有比小波阈值降噪、匹配追踪降噪方法更好的降噪性能,能够有效地去除信号中的宽带噪声.     

小波变换在滚动轴承故障诊断中的应用

采用小波包分解和信号重构的方法,提取滚动轴承振动信号中被噪声所掩盖的由滚动表面剥落磨损所引起的冲击成分,并且加以分析。通过对滚动轴承出现内圈剥落、外圈剥落和正常情况下振动信号的分析,说明了这种方法可以有效地用于滚动轴承的故障诊断。     

基于高维空间流形变化的设备状态趋势分析方法

以机械设备的运行状态为研究对象,提出一种基于高维空间流形变化的趋势分析方法.该方法将一维时间序列重构到高维相空间中,利用相点邻域的切空间信息逼近流形的局部几何结构,从而得到描述流形变化的切方向矩阵;通过多向主元分析方法对不同状态下的流形切方向矩阵进行计算,获得各个状态的权重得分,从而实现对设备状态变化的趋势分析.对混沌信号添加幅值大小不同的冲击进行数值仿真试验,与LYAPUNOV指数、近似熵等传统非线性分析方法相比,该方法能够更有效地描述系统状态变化的过程.将该方法应用于轴承外圈故障的振动信号分析中,成功地刻画了轴承疲劳劣化的趋势.